基于台风场景的电力灾损发展趋势预测方法与流程

本技术涉及电力，特别是涉及一种基于台风场景的电力灾损发展趋势预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

背景技术：

1、随着全球气候变化的加剧，极端天气事件，尤其是台风，变得更为频繁且强烈，对电力基础设施构成严重威胁。台风带来的强风、暴雨和洪水不仅能够直接破坏电力设施，如输电塔、电线、变电站等，还可能间接导致次生灾害，比如山体滑坡、树木倒塌等，进一步加重电力系统的损害。这些灾损不仅会导致大面积的停电，影响居民生活和工业生产，还会带来高昂的修复成本和长时间的恢复工作。因此，如何准确地进行电力灾损发展趋势预测，成为了重要的研究方向。

2、传统技术通常是人工收集相关数据，从而专家通过这些数据进行电力灾损发展趋势预测；但是该方式主要依赖主观判断，导致电力灾损发展趋势预测的准确性较低。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高电力灾损发展趋势预测的准确性的基于台风场景的电力灾损发展趋势预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种基于台风场景的电力灾损发展趋势预测方法。所述方法包括：

3、获取待预测对象对应的历史多源数据；所述历史多源数据至少包括智能电网历史数据、气象站历史数据和卫星遥感历史数据；

4、对所述历史多源数据进行特征工程处理，得到所述历史多源数据的数据特征；

5、利用所述历史多源数据的数据特征，对待训练的电力灾损发展趋势预测模型进行训练，得到训练完成的电力灾损发展趋势预测模型；

6、对所述训练完成的电力灾损发展趋势预测模型进行模型更新处理，得到目标电力灾损发展趋势预测模型；

7、将所述待预测对象对应的当前多源数据的数据特征，输入至所述目标电力灾损发展趋势预测模型进行电力灾损发展趋势预测，得到所述待预测对象的电力灾损发展趋势预测结果；所述当前多源数据至少包括智能电网当前数据、气象站当前数据和卫星遥感当前数据。

8、在其中一个实施例中，所述将所述待预测对象对应的当前多源数据的数据特征，输入至所述目标电力灾损发展趋势预测模型进行电力灾损发展趋势预测，得到所述待预测对象的电力灾损发展趋势预测结果，包括：

9、获取所述待预测对象对应的当前多源数据；

10、对所述当前多源数据进行特征工程处理，得到所述当前多源数据的数据特征；

11、将所述当前多源数据的数据特征，输入至所述目标电力灾损发展趋势预测模型进行电力灾损发展趋势预测，得到所述待预测对象的电力灾损发展趋势预测结果；所述电力灾损发展趋势预测结果包括电力设施的损害概率、受影响的区域、损害程度和恢复时间。

12、在其中一个实施例中，所述对所述历史多源数据进行特征工程处理，得到所述历史多源数据的数据特征，包括：

13、对所述历史多源数据进行特征选择处理、特征创建处理、特征编码处理和特征交互处理，得到所述历史多源数据的数据特征；

14、所述对所述当前多源数据进行特征工程处理，得到所述当前多源数据的数据特征，包括：

15、对所述当前多源数据进行特征选择处理、特征创建处理、特征编码处理和特征交互处理，得到所述当前多源数据的数据特征。

16、在其中一个实施例中，所述利用所述历史多源数据的数据特征，对待训练的电力灾损发展趋势预测模型进行训练，得到训练完成的电力灾损发展趋势预测模型，包括：

17、从候选预测模型中，选取出与电力灾损发展趋势预测相关联的目标预测模型，作为所述待训练的电力灾损发展趋势预测模型；

18、根据所述历史多源数据的数据特征，构建所述待训练的电力灾损发展趋势预测模型的训练集和测试集；

19、利用所述训练集和所述测试集，对所述待训练的电力灾损发展趋势预测模型进行训练，得到所述训练完成的电力灾损发展趋势预测模型。

20、在其中一个实施例中，所述对所述训练完成的电力灾损发展趋势预测模型进行模型更新处理，得到目标电力灾损发展趋势预测模型，包括：

21、对所述训练完成的电力灾损发展趋势预测模型进行性能识别，得到所述训练完成的电力灾损发展趋势预测模型的性能识别结果；

22、根据所述性能识别结果，对所述训练完成的电力灾损发展趋势预测模型进行多维度的模型更新处理，得到所述目标电力灾损发展趋势预测模型。

23、在其中一个实施例中，所述获取待预测对象对应的历史多源数据，包括：

24、获取所述待预测对象对应的原始多源数据；

25、对所述原始多源数据进行数据预处理，得到所述历史多源数据；所述数据预处理包括数据清洗处理、数据转换处理、数据集成处理、数据规范化处理和数据抽样处理。

26、第二方面，本技术还提供了一种基于台风场景的电力灾损发展趋势预测装置。所述装置包括：

27、数据获取模块，用于获取待预测对象对应的历史多源数据；所述历史多源数据至少包括智能电网历史数据、气象站历史数据和卫星遥感历史数据；

28、数据处理模块，用于对所述历史多源数据进行特征工程处理，得到所述历史多源数据的数据特征；

29、模型训练模块，用于利用所述历史多源数据的数据特征，对待训练的电力灾损发展趋势预测模型进行训练，得到训练完成的电力灾损发展趋势预测模型；

30、模型更新模块，用于对所述训练完成的电力灾损发展趋势预测模型进行模型更新处理，得到目标电力灾损发展趋势预测模型；

31、特征输入模块，用于将所述待预测对象对应的当前多源数据的数据特征，输入至所述目标电力灾损发展趋势预测模型进行电力灾损发展趋势预测，得到所述待预测对象的电力灾损发展趋势预测结果；所述当前多源数据至少包括智能电网当前数据、气象站当前数据和卫星遥感当前数据。

32、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

33、获取待预测对象对应的历史多源数据；所述历史多源数据至少包括智能电网历史数据、气象站历史数据和卫星遥感历史数据；

34、对所述历史多源数据进行特征工程处理，得到所述历史多源数据的数据特征；

35、利用所述历史多源数据的数据特征，对待训练的电力灾损发展趋势预测模型进行训练，得到训练完成的电力灾损发展趋势预测模型；

36、对所述训练完成的电力灾损发展趋势预测模型进行模型更新处理，得到目标电力灾损发展趋势预测模型；

37、将所述待预测对象对应的当前多源数据的数据特征，输入至所述目标电力灾损发展趋势预测模型进行电力灾损发展趋势预测，得到所述待预测对象的电力灾损发展趋势预测结果；所述当前多源数据至少包括智能电网当前数据、气象站当前数据和卫星遥感当前数据。

38、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

39、获取待预测对象对应的历史多源数据；所述历史多源数据至少包括智能电网历史数据、气象站历史数据和卫星遥感历史数据；

40、对所述历史多源数据进行特征工程处理，得到所述历史多源数据的数据特征；

41、利用所述历史多源数据的数据特征，对待训练的电力灾损发展趋势预测模型进行训练，得到训练完成的电力灾损发展趋势预测模型；

42、对所述训练完成的电力灾损发展趋势预测模型进行模型更新处理，得到目标电力灾损发展趋势预测模型；

43、将所述待预测对象对应的当前多源数据的数据特征，输入至所述目标电力灾损发展趋势预测模型进行电力灾损发展趋势预测，得到所述待预测对象的电力灾损发展趋势预测结果；所述当前多源数据至少包括智能电网当前数据、气象站当前数据和卫星遥感当前数据。

44、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

45、获取待预测对象对应的历史多源数据；所述历史多源数据至少包括智能电网历史数据、气象站历史数据和卫星遥感历史数据；

46、对所述历史多源数据进行特征工程处理，得到所述历史多源数据的数据特征；

47、利用所述历史多源数据的数据特征，对待训练的电力灾损发展趋势预测模型进行训练，得到训练完成的电力灾损发展趋势预测模型；

48、对所述训练完成的电力灾损发展趋势预测模型进行模型更新处理，得到目标电力灾损发展趋势预测模型；

49、将所述待预测对象对应的当前多源数据的数据特征，输入至所述目标电力灾损发展趋势预测模型进行电力灾损发展趋势预测，得到所述待预测对象的电力灾损发展趋势预测结果；所述当前多源数据至少包括智能电网当前数据、气象站当前数据和卫星遥感当前数据。

50、上述基于台风场景的电力灾损发展趋势预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，获取待预测对象对应的历史多源数据；所述历史多源数据至少包括智能电网历史数据、气象站历史数据和卫星遥感历史数据；对所述历史多源数据进行特征工程处理，得到所述历史多源数据的数据特征；利用所述历史多源数据的数据特征，对待训练的电力灾损发展趋势预测模型进行训练，得到训练完成的电力灾损发展趋势预测模型；对所述训练完成的电力灾损发展趋势预测模型进行模型更新处理，得到目标电力灾损发展趋势预测模型；将所述待预测对象对应的当前多源数据的数据特征，输入至所述目标电力灾损发展趋势预测模型进行电力灾损发展趋势预测，得到所述待预测对象的电力灾损发展趋势预测结果；所述当前多源数据至少包括智能电网当前数据、气象站当前数据和卫星遥感当前数据。该方案通过整合历史多源数据，对电力灾损发展趋势预测模型进行训练和更新，有利于提高电力灾损发展趋势预测模型的预测准确性，从而有利于在台风场景下更精确地预测待预测对象的电力灾损发展趋势，为电力系统的防灾减灾和应急处理提供有力支持。

技术特征：

1.一种基于台风场景的电力灾损发展趋势预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述将所述待预测对象对应的当前多源数据的数据特征，输入至所述目标电力灾损发展趋势预测模型进行电力灾损发展趋势预测，得到所述待预测对象的电力灾损发展趋势预测结果，包括：

3.根据权利要求2所述的方法，其特征在于，所述对所述历史多源数据进行特征工程处理，得到所述历史多源数据的数据特征，包括：

4.根据权利要求1所述的方法，其特征在于，所述利用所述历史多源数据的数据特征，对待训练的电力灾损发展趋势预测模型进行训练，得到训练完成的电力灾损发展趋势预测模型，包括：

5.根据权利要求1所述的方法，其特征在于，所述对所述训练完成的电力灾损发展趋势预测模型进行模型更新处理，得到目标电力灾损发展趋势预测模型，包括：

6.根据权利要求1至5任一项所述的方法，其特征在于，所述获取待预测对象对应的历史多源数据，包括：

7.一种基于台风场景的电力灾损发展趋势预测装置，其特征在于，所述装置包括：

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结
本申请涉及一种基于台风场景的电力灾损发展趋势预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，可用于电力技术领域。该方法包括：获取历史多源数据；对历史多源数据进行特征工程处理，得到历史多源数据的数据特征；利用历史多源数据的数据特征，对待训练的电力灾损发展趋势预测模型进行训练，得到训练完成的电力灾损发展趋势预测模型；对训练完成的电力灾损发展趋势预测模型进行模型更新处理，得到目标电力灾损发展趋势预测模型；将当前多源数据的数据特征，输入至目标电力灾损发展趋势预测模型进行电力灾损发展趋势预测，得到待预测对象的电力灾损发展趋势预测结果。采用本方法能够提高电力灾损发展趋势预测的准确性。

技术研发人员：陈彩娜,张壮领,胡秀珍,杨绍群,潘岐深,蒋毅,郑松源,莫一夫,毕明利,胡振维,李钰,张筱岑,谭祖雁,李维力
受保护的技术使用者：广东电网有限责任公司
技术研发日：
技术公布日：2024/12/5